15414

1403

دكتر غلامرضا قدرتي اميري

چكيده با توجه به نقش حياتي كه زيرساخت‌هاي عمراني نظير ساختمان‌ها، جاده‌ها، پل‌ها، تونل‌ها و سدها در پايداري اقتصادي و كيفيت زندگي جوامع انساني ايفا مي‌كنند، آسيب‌ديدگي يا تخريب هر يك از اين سازه‌ها مي‌تواند منجر به خسارات سنگين مالي و تلفات جاني شود. ازاين‌رو، توانايي تشخيص به‌موقع آسيب، ارزيابي سريع ميزان خسارت، و اتخاذ تصميم‌هاي مؤثر براي تعمير، بازسازي يا نگهداري سازه‌ها از اهميت ويژه‌اي برخوردار است. در حوزه‌ي مهندسي عمران، پديده‌ي زلزله به‌عنوان يكي از مهم‌ترين مخاطرات طبيعي مطرح است كه مي‌تواند به طور مستقيم بر سلامت و عملكرد سازه‌ها اثرگذار باشد. در پي وقوع زلزله، انجام پايش سلامت سازه‌ها براي ارزيابي وضعيت عملكردي و اطمينان از ايمني آن‌ها، نقشي كليدي در مديريت بحران و بازگشت سريع به شرايط عادي ايفا مي‌كند. يكي از نخستين و ابتدايي‌ترين روش‌هاي ارزيابي آسيب در سازه‌ها، بازرسي چشمي است. با وجود سادگي اين روش، انجام آن مستلزم صرف هزينه‌هاي مالي قابل توجه و اعزام تيم‌هاي تخصصي به محل سازه است. علاوه‌براين، بازرسي چشمي در بسياري از موارد ذهني و وابسته به قضاوت انساني بوده و نمي‌تواند تغييرات ظريف يا آسيب‌هاي داخلي سازه را شناسايي كند. در سال‌هاي اخير، با پيشرفت فناوري‌هاي اندازه‌گيري و توسعه‌ي سنسورهاي دقيق و كم‌هزينه نظير شتاب‌سنج‌ها، كرنش‌سنج‌ها و جابجايي‌سنج‌ها، استفاده از روش‌هاي مبتني بر داده در فرآيند پايش سلامت سازه‌ها به‌صورت گسترده رواج يافته است. اين حسگرها امكان ثبت مداوم پاسخ‌هاي ديناميكي سازه‌ها و تحليل رفتار واقعي آن‌ها در شرايط بهره‌برداري يا پس از زلزله را فراهم كرده‌اند. از سوي ديگر، پيشرفت چشمگير علوم كامپيوتر و ظهور هوش مصنوعي تحولي بنيادين در نحوه‌ي پردازش، تحليل و تفسير داده‌هاي سازه‌اي ايجاد كرده است. در اين ميان، روش‌هاي يادگيري ماشين و يادگيري عميق به‌عنوان ابزارهايي قدرتمند براي استخراج ويژگي‌هاي پنهان، پيش‌بيني رفتار سازه، و شناسايي آسيب‌ها بدون نياز به مدل‌هاي فيزيكي پيچيده شناخته مي‌شوند. اين روش‌ها با بهره‌گيري از حجم عظيم داده‌هاي جمع‌آوري‌شده از سنسورهاي نصب‌شده روي سازه‌ها، امكان تشخيص سريع و خودكار آسيب‌ها را فراهم كرده و چشم‌اندازي نوين براي پايش هوشمند و بلادرنگ سلامت سازه‌ها ايجاد نموده‌اند.

11/18/2025 12:00:00 AM

88555

1404/09/02

Application of Artificial Intelligence in Structural Health Monitoring

واژه‌هاي كليدي: پايش سلامت سازه، تشخيص خرابي، يادگيري ماشين، يادگيري عميق

Keywords: Structural Health Monitoring (SHM), Damage Detection, Machine Learning, Deep Learning